The leaf area index (LAI), defined as one-half of the total green leaf area per unit horizontal ground surface area, is a key parameter in agriculture, forestry, ecology, and other fields. The clumping index (CI) accounts for the nonrandom spatial distribution of the foliage elements in the canopy, thereby considerably influencing the accuracy of LAI estimation with optical field-based instruments. Most of the traditional clumping effect correction methods for LAI measurements are based on the theory developed for one-dimensional (1D) data of the vegetation canopy. The development of new methods remains necessary for LAI measurement with two-dimensional (2D) data, including images from digital cover photography (DCP). We found that the fractal dimension (FD) of a 2D ground-based DCP image is an effective tool for correcting the clumping effect and estimating the LAI. The universal formula was derived to describe the relationship between the LAI and FD for randomly distributed leaves using the box-counting method (BCM) and the Boolean model. For the clumped leaves, the universal formula is related to the FD, LAI, and CI. The LAI and CI can be calculated with the FD and gap probability derived from DCP images. Eighteen simulated scenes of different vegetation structure patterns, three realistic canopy scenes of the fourth phase of the radiative transfer model intercomparison (RAMI), and field-measured data acquired from 5 plots in 4 temporal phases were provided to validate the method. The results showed good agreement with the reference (R² = 0.93 and RMSE = 0.46 for simulated data; uncertainty from 0.31 to 1.05 for realistic canopy; R² = 0.85 and RMSE = 0.34 for field-measured data). This validation with downward DCP images shows that the proposed FD method assesses the clumping effect more thoroughly compared to the clumping effect correction methods originally designed for 1D data. The FD method is expected to improve the measurement accuracy of LAI with DCP images, especially for heterogeneous canopies.

叶面积指数（LAI）定义为单位水平地面总绿叶面积的二分之一，是农业、林业、生态等领域的关键参数。丛生指数 (CI) 解释了冠层中树叶元素的非随机空间分布，从而显着影响了使用基于光场的仪器估计 LAI 的准确性。大多数用于 LAI 测量的传统成团效应校正方法都是基于为植被冠层的一维 (1D) 数据开发的理论。使用二维 (2D) 数据测量 LAI 仍然需要开发新方法，包括来自数字封面摄影 (DCP) 的图像。我们发现 2D 地基 DCP 图像的分形维数 (FD) 是校正结块效应和估计 LAI 的有效工具。使用盒计数法（BCM）和布尔模型导出了描述随机分布叶子的 LAI 和 FD 之间关系的通用公式。对于丛生的叶子，通用公式与 FD、LAI 和 CI 相关。LAI 和 CI 可以使用从 DCP 图像导出的 FD 和间隙概率来计算。提供了 18 个不同植被结构模式的模拟场景、辐射传输模型比对 (RAMI) 第四阶段的三个真实冠层场景以及从 4 个时间阶段的 5 个地块获得的现场测量数据来验证该方法。结果与参考文献（R 使用盒计数法（BCM）和布尔模型导出了描述随机分布叶子的 LAI 和 FD 之间关系的通用公式。对于丛生的叶子，通用公式与 FD、LAI 和 CI 相关。LAI 和 CI 可以使用从 DCP 图像导出的 FD 和间隙概率来计算。提供了 18 个不同植被结构模式的模拟场景、辐射传输模型比对 (RAMI) 第四阶段的三个真实冠层场景以及从 4 个时间阶段的 5 个地块获得的现场测量数据来验证该方法。结果与参考文献（R 使用盒计数法（BCM）和布尔模型导出了描述随机分布叶子的 LAI 和 FD 之间关系的通用公式。对于丛生的叶子，通用公式与 FD、LAI 和 CI 相关。LAI 和 CI 可以使用从 DCP 图像导出的 FD 和间隙概率来计算。提供了18个不同植被结构模式的模拟场景、辐射传输模型比对（RAMI）第四阶段的三个真实冠层场景以及从4个时间阶段的5个地块获得的现场测量数据来验证该方法。结果与参考文献（R 对于丛生的叶子，通用公式与 FD、LAI 和 CI 相关。LAI 和 CI 可以使用从 DCP 图像导出的 FD 和间隙概率来计算。提供了 18 个不同植被结构模式的模拟场景、辐射传输模型比对 (RAMI) 第四阶段的三个真实冠层场景以及从 4 个时间阶段的 5 个地块获得的现场测量数据来验证该方法。结果与参考文献（R 对于丛生的叶子，通用公式与 FD、LAI 和 CI 相关。LAI 和 CI 可以使用从 DCP 图像导出的 FD 和间隙概率来计算。提供了 18 个不同植被结构模式的模拟场景、辐射传输模型比对 (RAMI) 第四阶段的三个真实冠层场景以及从 4 个时间阶段的 5 个地块获得的现场测量数据来验证该方法。结果与参考文献（R 并提供了从 4 个时间阶段的 5 个地块获得的现场测量数据以验证该方法。结果与参考文献（R 并提供了从 4 个时间阶段的 5 个地块获得的现场测量数据以验证该方法。结果与参考文献（R 对于模拟数据，² = 0.93 和 RMSE = 0.46；现实树冠的不确定性从 0.31 到 1.05； 对于现场测量数据，R ² = 0.85 和 RMSE = 0.34）。这种向下 DCP 图像的验证表明，与最初为一维数据设计的结块效应校正方法相比，所提出的 FD 方法更彻底地评估了结块效应。FD 方法有望通过 DCP 图像提高 LAI 的测量精度，特别是对于异质冠层。